基于改进EMD的滚动轴承故障增长特征提取和损伤评估技术

针对传统滚动轴承损伤评估方法未考虑故障特征的稳定性和有效性导致评估的准确度不高的问题，提出了基于改进EMD（empirical mode decomposition）的滚动轴承故障增长特征提取和损伤评估技术。使用EMD将不同损伤程度的故障信号分解为一系列的奇异值分量SVD（singularity value decomposition），建立不同SVD分量描述的故障增长趋势，分析各级分量对故障增长过程的稳定性和敏感性，提取能有效感知故障增长过程的奇异值分量作为故障增长特征，建立滚动体、内环和外环故障以及不同故障严重程度下的样本模型，利用智能算法辨识故障类型并评估其严重程度。最后，使用凯斯西储大学公开的滚动轴承振动数据验证所提方法的有效性。实验结果证明，故障增长分析方法能从复杂的奇异值分量中筛选出有效跟踪故障增长过程的特征，对提高损伤评估的准确度具有重要意义。

Fault growth feature extraction and damage assessment for rolling bearing based on improved EMD